رمزگشایی نیرو با استفاده از سیگنال‌های ثبت شده از قشر حرکتی موش صحرایی توسط رگرسیون خطی

Abstract

واسط‌ مغز-کامپیوتر سیستمی است که بر اساس فعالیت عصبی تولید شده توسط مغز عمل می‌کند و در سال‌های اخیر مورد توجه بسیاری از محققان قرار گرفته است. این واسط‌ها مستقل از مسیر خروجی متداول اعصاب محیطی و ماهیچه‌ها بوده و به دلیل توانایی آن‌ها در فراهم ساختن بعد جدیدی در ارتباطات و یا کنترل دستگاه برای افراد ناتوان، بسیار حائز اهمیت می‌باشند. فعالیت عصبی مورد استفاده در واسط مغز-کامپیوتر، می‌تواند توسط روش‌های تهاجمی یا غیرتهاجمی مختلفی ثبت شده و توسط الگوریتم‌های رمزگشایی متفاوتی به سیگنال مطلوب تبدیل گردند، که هر یک نیز کارایی متفاوتی از خود نشان می‌دهند. در این مطالعه، از 3 موش صحرایی (رت) برای انجام حرکتی شامل فشردن یک کلید و دریافت یک قطره‌ی آب توسط اهرم متحرک (در صورت انجام صحیح وظیفه) استفاده شده است. با کاشت یک آرایه‌ی میکروالکترودی 16 کاناله در قشر حرکتی رت‌ها (به روش تهاجمی)، سیگنال مرتبط با نیروی اعمالی توسط دست، از مغز آن‌ها در حین انجام وظیفه ثبت شده و به‌طور هم‌زمان سیگنال نیروی دریافتی توسط سنسور نیز ذخیره گشته است. با انجام پیش‌پردازش‌های لازم روی داده‌های اسپایک و استخراج نرخ‌های آتش سیگنال، به عنوان بردار ویژگی، توسط لغزاندن یک پنجره‌ی گوسی روی قطارهای اسپایک، ورودی‌های لازم برای الگوریتم رمزگشایی، که در این‌جا رگرسیون خطی می‌باشد، به دست آمده است. از دو الگو به عنوان روش‌های ارزیابی استفاده شده است. الگوی اول، بر مبنای در نظرگرفتن 60% اولیه‌ی سیگنال به عنوان مجموعه‌ی آموزشی و 40% انتهایی به عنوان مجموعه‌ی آزمایشی استوار بوده و مبنای الگوی دوم، برعکس الگوی اول می‌باشد. از ضریب همبستگی بین بردار ویژگی و سیگنال آموزشی نیروی واقعی استفاده شده است، تا ویژگی‌هایی با ضریب همبستگی بیش از 3/0 به عنوان ویژگی‌های مطلوب انتخاب گردند تا کارایی الگوریتم رمزگشایی با اعمال روش انتخاب ویژگی نیز بررسی شود. روش‌های متعددی برای ارزیابی الگوریتم رمزگشایی وجود دارد، که در این پژوهش از معیار ضریب همبستگی و ضریب تعیین استفاده شده است که اندازه‌ی آن‌ها رابطه‌ی مستقیمی با کارایی روش رمزگشایی دارد. در این مطالعه، همبستگی و ضریب تعیین بین سیگنال نیروی واقعی و سیگنال پیش‌بینی شده توسط روش رگرسیون خطی، به صورت میانگین در سه جلسه و سه رت، به ترتیب برابر با 56/0 و ‌2/0 برای الگوی اول و 55/0 و 30/0 برای الگوی دوم می‌باشد. این نتایج نشان ‌می‌دهد که با استفاده از نرخ آتش نورون‌های مغزی، می‌توان متغیرهای حرکتی مانند نیرو را پیش‌بینی کرد. هم‌چنین روش رگرسیون خطی روشی مناسب برای رمزگشایی سیگنال پیوسته‌ی نیرو می‌باشد و سیگنال واقعی را به خوبی دنبال می‌کند.